vllm2jev
Ein leichtgewichtiges Skript, das vLLM-Dienste an eine Jev-kompatible Schnittstelle anpasst und Choice-, Score- und Noul-Entscheidungen über Logprobs ermöglicht.
OPEN SOURCE · CURATED REPOSITORIES
Curated Jev SDKs, tools, demos, integrations, benchmarks, and research projects. Repository metrics come from GitHub; titles, summaries, and categories are editorial.
Sponsors
Diese Produkte finanzieren das Verzeichnis. Ihres auch hier?
Nach GitHub Stars sortiert
Nach aktuellem Star-Wachstum und Aktivität
Ein leichtgewichtiges Skript, das vLLM-Dienste an eine Jev-kompatible Schnittstelle anpasst und Choice-, Score- und Noul-Entscheidungen über Logprobs ermöglicht.
Verwendet das Jev (System One) Modell von TypeSafe AI, um den ego lite Browser zu steuern: eine indizierte Elementtabelle als Eingabe, eine Operation und ein Ziel pro Anfrage. Enthält vergleichende Benchmarks, die ~2x schneller als schrittweise LLM-Schleifen zeigen.
Open-Source-Python-Framework, das den probabilistischen Jev/System One-Motor von TypeSafe AI mit dualen LLM-Pipelines für die CSV-Feldtyperkennung und Datenbereinigung integriert; Tests zeigen, dass die Klassifizierungsergebnisse von Jev und LLM übereinstimmen.
TypeSafe-Jev-Integration mit zentraler Entscheidungsbibliothek, DeepSeek-Harness-Plugin und MCP-Server; standardmäßig offline, mit Tests und Verifizierung gegen die echte API.
Ein 2048-Weblabor, bei dem jeder Zug vom Jev-Entscheidungsmodell von TypeSafe AI gesteuert wird und Wahrscheinlichkeit, Konfidenz, Latenz und Kosten anzeigt, ohne heuristische Ausweichlösung.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
jev-assist ist eine Coding-Agent-Fähigkeit, die TypeSafe Jev/System One nutzt, um Repository-Dateien nach Aufgabenrelevanz zu ranken, Abweichungen von Konventionen zu erkennen und riskante Diffs vor dem Commit zu markieren. Enthält Setup, Validierung und Pre-Commit-Hook-Anbindung.
Durchsucht LLM-Logs und Code nach entscheidungsförmigen Aufrufen, schätzt Einsparungen durch die Migration zu JEV, kalibriert Entscheidungsmodelle und erstellt Migrations-PRs. Optional wird die JEV-API für ein Self-Audit aufgerufen.
Arbitype ist eine MCP-native, typisierte Entscheidungsebene, die von TypeSafe Jev unterstützt wird und KI-Agenten Werkzeuge für Klassifizierung, Bewertung, Verifizierung, Gate, Routing und Review bietet.
Ein ACP-Entscheidungsagent, der TypeSafe AIs Jev für Choice-, Score- und Noul-Auswertungen aufruft. Er bietet geführte Vorlagen, JSON-Ausgabe und kann per npx ohne Build ausgeführt werden.
A2T integriert Jev (System One) von TypeSafe AI als unabhängigen Richter, um seine deterministischen Bewerter zu kreuzvalidieren; Methodik und Ergebnisse finden sich in docs/jev.md. Das Repository benchmarkt, simuliert und bewertet die Vertrauenswürdigkeit von Agenten durch evidenzbasierte Kredit-Scores.
Community-gepflegte JEV-Runner-Integration für Midscene Test. Sie ruft JEV von TypeSafe AI standardmäßig über OpenRouter ~typesafe/jev-latest auf und bietet direkte Playwright-Nutzung sowie strikte jevAct-Knoten für Midscene.
TypeScript-Bibliothek für TypeSafe Jev/System One mit typisierten ask/decide-APIs, erforderlichem unsure-Zweig und Cloudflare/TypeSafe-Anbietern.